Machine Learning

Prévia do material em texto

Fazer teste: ATIVIDADE - Machine Learning
 
Parte superior do formulário
Informações do teste
	Descrição
	
	Instruções
	
	Várias tentativas
	Este teste permite várias tentativas.
	Forçar conclusão
	Este teste pode ser salvo e retomado posteriormente.
	
	Suas respostas foram salvas automaticamente.
 Estado de Conclusão da Pergunta:
PERGUNTA 1
1. A partir do conceito e do funcionamento das Redes Neurais Artificiais (RNAs) fundamentas em Haykin (2007), analise as seguintes assertivas quanto à veracidade – V para Verdadeiro ou F para Falso:
I - RNAs são inspiradas no modelo biológicos de processamento de informação humano.
II - O neurônio artificial combina o vetor de entradas com um conjunto de pesos associados às entradas.
III - A função quadrática é um tipo especial de função ativação.
IV - RNAs trabalham com uma única central de processamento, semelhante ao cérebro humano.
As assertivas I, II, III e IV são, RESPECTIVAMENTE:
	
	a.
	F, V, F, F.
	
	b.
	V, V, F, F.
	
	c.
	V, V, F, V.
	
	d.
	F, F, V, V.
	
	e.
	F, V, F, V.
0,5 pontos   
PERGUNTA 2
1. Considere as assertivas a seguir a respeito das medidas de avaliação de regras de associação em mineração de padrões frequentes:
I - Suporte corresponde ao número de transações para as quais a regra realiza uma predição correta.
II - Confiança corresponde ao número de transações que ela prediz corretamente e é proporcional às transações para as quais ela se aplica.
III - Lift corresponde à razão da frequência esperada de ocorrência do antecedente sem o consequente se eles forem independentes entre si pela frequência de predições incorretas.
IV - Convicção corresponde à razão entre a confiança da regra e a contagem do suporte do consequente da regra.
As assertivas I, II, III e IV são, RESPECTIVAMENTE:
	
	a.
	F, V, F, F.
	
	b.
	F, V, F, V.
	
	c.
	V, V, F, F.
	
	d.
	F, F, V, V.
	
	e.
	V, V, F, V.
0,5 pontos   
PERGUNTA 3
1. A respeito das abordagens existentes para a formação de grupos usando técnicas de agrupamento hierárquico, é CORRETO AFIRMAR que:
	
	a.
	Na abordagem aglomerativa, a quantidade de grupos deve ser definida antes da execução do processo.
	
	b.
	Existe apenas um grupo iniciado e finalizado pela abordagem divisiva, ainda que os parâmetros do algoritmo sejam modificados.
	
	c.
	As abordagens aglomerativa e divisiva são complementares à abordagem associativa, responsável pela formulação correta dos grupos.
	
	d.
	Independentemente da abordagem selecionada, uma quantidade de grupos é formada ao final do processo.
	
	e.
	Na abordagem aglomerativa, todos os grupos são iniciados com todos os exemplos do conjunto de dados.
0,5 pontos   
PERGUNTA 4
1. Segundo Lorena e De Carvalho (2003), a boa capacidade de generalização, a robustez em grandes dimensões de dados e o pertencimento a uma Teoria bem estabelecida são os principais fatores que tornam atrativo o uso das Máquinas de Vetores de Suporte (SVMs). A respeito das SVMs, é CORRETO AFIRMAR que:
	
	a.
	Apresenta grandes desafios na indução de modelos com baixa dimensão ou grande quantidade de outliers.
	
	b.
	O algoritmo hebbiano usando em RNAs também pode ser aplicado às SVMs, se adaptado.
	
	c.
	Embora o processo de predição seja lento, o modelo apresenta uma taxa de verdadeiros positivos superior a 80% na maior parte dos casos.
	
	d.
	O propósito de um modelo SVM é discriminar classes com a maior margem possível por meio de um hiperplano.
	
	e.
	O processo de treinamento de uma SVM é orientado por meio da otimização das funções lineares C e γ.
0,5 pontos   
PERGUNTA 5
1. Considere as seguintes asserções a respeito do algoritmo DBSCAN:
I - Trata-se de um método baseado em densidade que forma grupos hierárquicos de controle para a geração de grupos a partir um conjunto pré-definido de exemplos.
II - Um novo grupo é descoberto a partir da densidade de exemplos existentes na vizinhança de um exemplo já pertencente a um grupo.
III - Após a descoberta dos grupos, o algoritmo é responsável por categorizar os novos exemplos nas partições encontradas.
Corresponde ao funcionamento do algoritmo DBSCAN o que se afirma em:
	
	a.
	I e II, apenas.
	
	b.
	I, apenas.
	
	c.
	II, apenas.
	
	d.
	II e III, apenas.
	
	e.
	I e III, apenas.
0,5 pontos   
PERGUNTA 6
1. Leia atentamente as informações contidas nas Colunas A e B para, em seguida, assinalar a alternativa que reúne as correspondências CORRETAS entre as informações nelas colunas.
	Coluna A
	Coluna B
	I - Hierárquico
	1 - single-linkage.
	II - Particional
	2 - divisivo
	III - Baseado em Densidade 
	3 - -means.
	
	4 - DBSCAN
	
	a.
	I-4; I-2; II-4; III-1.
	
	b.
	I-2; II-1; II-3; III-4.
	
	c.
	I-3; I-2; II-4; III-3.
	
	d.
	I-3; II-1; III-4; III-1.
	
	e.
	I-1; I-2; II-3; III-4.
0,5 pontos   
PERGUNTA 7
1. Segundo Lorena e De Carvalho (2003), a boa capacidade de generalização, a robustez em grandes dimensões de dados e o pertencimento a uma Teoria bem estabelecida são os principais fatores que tornam atrativo o uso das Máquinas de Vetores de Suporte (SVMs). A respeito das SVMs, é CORRETO AFIRMAR que:
	
	a.
	Apresenta grandes desafios na indução de modelos com baixa dimensão ou grande quantidade de outliers.
	
	b.
	O processo de treinamento de uma SVM é orientado por meio da otimização das funções lineares C e γ.
	
	c.
	O algoritmo hebbiano usando em RNAs também pode ser aplicado às SVMs, se adaptado.
	
	d.
	Embora o processo de predição seja lento, o modelo apresenta uma taxa de verdadeiros positivos superior a 80% na maior parte dos casos.
	
	e.
	O propósito de um modelo SVM é discriminar classes com a maior margem possível por meio de um hiperplano.
0,5 pontos   
PERGUNTA 8
1. O algoritmo Apriori parte da premissa de que todos os subconjuntos de um conjunto frequente são também frequentes. Considerando o fragmento apresentado, analise as seguintes asserções quanto à veracidade das proposições:
O algoritmo Apriori sofre quando a quantidade de itens frequentes é muito grande.
PORQUE
O algoritmo tem dificuldade para tratar uma grande quantidade de conjuntos candidatos.
	
	a.
	A primeira proposição é falsa, e a segunda proposição é verdadeira.
	
	b.
	A primeira proposição é verdadeira, e a segunda proposição é falsa.
	
	c.
	As duas proposições são verdadeiras, e a segunda justifica a primeira.
	
	d.
	As duas proposições são falsas.
	
	e.
	As duas proposições são verdadeiras, mas a segunda não justifica a primeira.
0,5 pontos   
PERGUNTA 9
1. Uma forma de organizar os métodos e as tarefas de Machine Learning é por meio de algum processo taxonômico. Entre as principais formas de organização está a classificação por meio de paradigmas. Leia atentamente as informações contidas nas Colunas A e B para, em seguida, assinalar a alternativa que reúne as correspondências CORRETAS entre as informações nessas contidas.
	Coluna A
	Coluna B
	I - Aprendizado supervisionado
	1 - Classificação
	II - Aprendizado não-supervisionado 
	2 - Agrupamento
	
	3 - Regressão
	
	a.
	II-1; II-2; I-3.
	
	b.
	II-1; II-2; II-3.
	
	c.
	I-1; II-2; I-3.
	
	d.
	II-1; I-2; II-3.
	
	e.
	I-1; I-2; I-3.
0,5 pontos   
PERGUNTA 10
1. Leia atentamente as informações contidas nas Colunas A e B para, em seguida, assinalar a alternativa que reúne as correspondências CORRETAS entre as informações nessas contidas:
	Coluna A
	Coluna B
	I - 1-NN.
	1 - Método de otimização baseado na Teoria do Aprendizado Estatístico.
	II - Naïve Bayes.
	2 - São derivadas das árvores de decisão e podem ser mais facilmente interpretadas.
	III - Regras de decisão.
	3 - Computa medidas de probabilidade para prever eventos futuros.
	IV - SVMs.
	4 - Calcula a distância euclidiana usando os exemplos de treinamento.
	
	a.
	I-1; II-2; III-3; IV-4.
	
	b.
	I-4; II-3; III-2; IV-1.
	
	c.
	I-1; II-2; III-4; IV-3.
	
	d.
	I-3; II-4; III-2; IV-1.
	
	e.
	I-2; II-1; III-3; IV-4.
0,5 pontos